[论文解读] Optimal strategies for fighting persistent bugs

Ole Steuernagel, Daniel Polani|arXiv (Cornell University)|Dec 1, 2005

Evolution and Genetic Dynamics参考文献 13被引用 4

一句话总结

本文将多目标优化应用于设计根除如大肠杆菌和耐甲氧西林金黄色葡萄球菌等持续性病原体的最优药物治疗策略，这些病原体由代谢活跃的亚群和休眠的持久性亚群组成。研究发现，对于短期治疗，初始和结束时集中给药为最优策略；而长期治疗则需要更均匀的给药方式，且策略根据治疗时长形成不同的聚类。

ABSTRACT

Some microbial organisms are known to randomly slip into and out of hibernation, irrespective of environmental conditions [1]. In a (genetically) uniform population a typically very small subpopulation becomes metabolically inactive whereas the majority subpopulation remains active and grows. Bacteria such as E. coli, Staphylococcus aureus (MRSA-superbug), Mycobacterium tuberculosis, and Pseudomonas aeruginosa [1-3] show persistence. It can render bacteria less vulnerable in adverse environments [1, 4, 5] and their effective eradication through medication more difficult [2, 3, 6]. Here we show that medication treatment regimes may have to be modified when persistence is taken into account and characterize optimal approaches assuming that the total medication dose is constrained. The determining factors are cumulative toxicity, eradication power of the medication and bacterial response timescales. Persistent organisms have to be fought using tailored eradication strategies which display two fundamental characteristics. Ideally, the treatment time should be significantly longer than in the case of persistence with the medication uniformly spread out over time; however, if treatment time has to be limited, then the application of medication has to be concentrated towards the beginning and end of the treatment. These findings deviate from current clinical practice, and may therefore help to optimize and simplify treatments. Our use of multi-objective optimization [7] to map out the optimal strategies can be generalized to other related problems.

研究动机与目标

• 为解决根除代谢活跃病原体与持久性亚群（代谢不活跃且耐药）之间的矛盾。
• 开发能同时最小化治疗时长和药物剂量的治疗策略，以减少副作用。
• 探讨治疗时长和给药模式对持续性感染根除效率的影响。
• 展示多目标优化在模拟生命科学中复杂宿主-病原体动力学方面的实用性。

提出的方法

• 使用耦合的确定性微分方程对活跃亚群和持久性亚群的病原体动力学进行建模。
• 应用NSGA-II算法进行多目标优化，以平衡活跃病原体和持久性病原体的根除。
• 将治疗目标定义为最小化治疗结束时残留的活跃和持久性病原体数量。
• 采用恒定的总药物剂量并改变治疗时长，以探索不同给药策略之间的权衡。
• 模拟不同给药模式（包括集中给药和均匀分布）下的治疗结果。
• 分析持久性率改变（如hipQ突变的大肠杆菌）对治疗可行性及最优策略转变的影响。

实验结果

研究问题

• RQ1 如何制定最优的药物给药时间表，以同时根除持续性病原体的活跃和持久性亚群？
• RQ2 治疗时长如何影响最优给药策略的结构？
• RQ3 在短期治疗中，集中于早期和晚期的给药是否优于均匀分布的给药？
• RQ4 当持久性率升高时（如高持久性大肠杆菌突变株），治疗效果会发生什么变化？
• RQ5 最优策略对药物敏感性及给药动力学变化的鲁棒性如何？

主要发现

• 对于短期治疗，最优策略将药物集中在治疗初期和末期，避免在治疗中期或均匀给药。
• 随着治疗时长的增加，最优给药方式逐渐在治疗期间变得更加均匀。
• 治疗策略根据治疗时长形成明显的聚类，表明最优行为存在定性转变。
• 高度持久的突变株（如hipQ大肠杆菌）因持久性亚群无法充分重新激活，标准的短期或集中给药方案将无法治愈。
• 即使持久性亚群对药物仅有部分敏感性，最优策略的定性结构仍保持相似，尽管整体根除效果更佳。